[发明专利]一种基于非经典感受野轮廓检测方法

说明书

本发明公开了一种基于非经典感受野轮廓检测方法，属于图像识别技术领域，通过对图像进行不同大小分割，然后对每个分割的图像进行轮廓识别，再把识别轮廓后的图像进行组拼得到多张拼组的轮廓图，然后把拼组的轮廓图在进行图像融合，经过融合后的图像进行特征提取，得到图像清晰的轮廓图，使得识别的轮廓更加的准确和清楚。解决现有非经典感受野轮廓检测方法检测的轮廓图精度不够，出现轮廓线断裂的技术问题。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于非经典感受野轮廓检测方法。

背景技术

轮廓定义目标的形状，轮廓是目标识别中的重要任务之一，而从杂乱场景中获取的目标轮廓是一项重要且相当困难的任务，主要是因为轮廓周围通常存在大量纹理背景的边缘，因此这项工作主要需要排除由于纹理区域的无意义边缘，而保留目标轮廓。提高检测率的关键在于能基于上下文将局部信息优化整合成一致的全局特征。人类视觉系统具有快速和有效的从复杂场景中提取轮廓特征的能力，有效促进了以生物特性作为启发的轮廓检测算法研究的发展。生理研究表明，V1层神经元具有方位选择性，且在其经典感受野外存在非经典感受野区域，虽然单独刺激该区域没有响应，但可以对CRF具有一定的调制作用。

现有的非经典感受野轮廓检测均是通过非经典感受野神经网络进行识别后，根据像素点概率进行取舍，这样的检测方式会出现检测精度不够，一些轮廓出现断裂，轮廓图不清楚的情况。

发明内容

本发明的目的在于提供一种基于非经典感受野轮廓检测方法，解决现有非经典感受野轮廓检测方法检测的轮廓图精度不够，出现轮廓线断裂的技术问题。

一种基于非经典感受野轮廓检测方法，所述方法包括如下步骤：

步骤1：对原始图像进行按照边长不等的正方形分割若干次，得到分割图像集；

步骤2：对分割图像集内的每个分割图像进行灰度处理，得到灰度图像；

步骤3：建立非经典感受野调制神经网络；

步骤4：将所有的灰度图像输入非经典感受野调制神经网络，得到每个图像的轮廓概率；

步骤5：将所有的灰度图像输入非经典感受野调制神经网络，得到每个图像的灰度轮廓特征图；

步骤6：对灰度轮廓特征图中的轮廓点进行提取特征值检测，把不连续的轮廓点删除，得到连续轮廓特征图；

步骤7：将等长宽的连续轮廓特征图按照分割顺序组合得到组合连续轮廓特征图；

步骤8：应用对比金字塔原理把所有组合连续轮廓特征图进行图像融合处理得到融合图像；

步骤9：对融合图像进行提取特征值检测，把不连续的轮廓点删除，得到检测轮廓图。

所述步骤1中，对图像分割时，使用边长为图像长或者宽的1/n*n、1/n*(n-1)……1/n的正方形进行对图像分割，其中n为图像长或者宽的值，当分割时，后面的剩余部分不能填满正方形时，使用白色进行填充补完整。

所述步骤3中建立非经典感受野调制神经网络的具体过程为：

建立非经典感受野调制神经网络，设置网络的层数和节点数，初始化所述非经典感受野调制神经网络中的感受野层的参数，定义所述非经典感受野调制神经网络的目标函数，基于所述不同尺度的训练图像集合训练非经典感受野调制神经网络，利用传统的神经网络反向传播算法有监督地最小化所述非经典感受野调制神经网络的目标函数，以获得优化后的非经典感受野调制神经网络中的感受野层的参数，最终得到完成优化的非经典感受野调制神经网络。

所述步骤8的具体过程为：

把所有的组合连续轮廓特征图进行高斯分解，得到组合连续轮廓特征图像的高斯金字塔，把所有的组合连续轮廓特征图像的高斯金字塔分别建立对应的图像的对比度金字塔；